AI use cases: van hype naar realiteit

"You've got to start with the customer experience and work backwards to the technology."

Steve Jobs

De meest voorkomende fout die gemaakt wordt bij de implementatie van AI bij bedrijven is het geforceerd doorvoeren van generatieve AI binnen de bedrijfsprocessen, zonder na te denken over de uiteindelijke eindgebruiker. Een gekend voorbeeld hiervan is het gebruik van chatbots, gestuurd via een generieke LLM. Zo heeft Air Canada bijvoorbeeld een schadevergoeding moeten betalen voor verkeerdelijke informatie verschaft door hun chatbot, wat naast financiële gevolgen ook zorgde voor een pijnlijke gebruikerservaring.

Een ander voorbeeld is onderstaand voorbeeld van een met generatieve AI gegenereerde reclame van de Nationale Loterij, met visuele fouten (zoals een koffietas met 2 oren), wat gemakzucht en luiheid uitstraalt i.p.v. professionalisme.

Bij de opkomst van nieuwe technologie zijn er typisch 3 gebruiken die tot stand komen:

1. Integratie binnen bestaande producten (features)
2. Innovatie tot volledig nieuwe producten (denk aan bedrijven als Tekst, Donna, Techwolf, ...)
3. Een compleet nieuwe markt.

Verantwoordelijke integratie van AI binnen bestaande producten

Generatieve AI is gebaseerd op kansberekening en daarom kunnen antwoorden niet per se als "fout" beschouwd worden. Meer dan 40% van de gebruikers van genAI gelooft nog steeds (onterecht) dat AI volledig accurate antwoorden teruggeeft. Het is aan de product designers om er net voor te zorgen dat de nodige vangrails voorzien worden om goede gebruikersinteracties te creëren. Denk aan het voorzien van negative prompts ("Wat willen we zeker niét dat AI als resultaat teruggeeft?"), juiste disclaimers naar de gebruikers over het gebruik van AI (managing expectations, denk aan het typische toverstaf icoon) en het tijdig voorzien van een menselijke gebruiker indien de AI onvoldoende ondersteuning biedt.

Welke use cases hebben hun nut al bewezen m.b.t. generatieve AI?

De meeste succesvolle experimenten tonen aan dat de huidige use cases zich vooral in een aantal specifieke takken situeren. De trend die zich hierin steeds herhaalt, is AI onder de vorm van een assistent met menselijke controle:

1. Programmering: Het ontdekken van fouten en suggereren van code zijn zeer nuttig gebleken. Gezien er steeds een menselijke controle gebeurt, blijft de code kwaliteit gegarandeerd. Momenteel wordt de efficiëntiewinst op 20-30% geschat.
2. Marketing: Het genereren van drafts als start van een artikel, een brainstorm partner, het bedenken van de ideale, catchy hook voor een blog, ... zijn ideale toepassingen gebleken voor generatieve AI net omdat hier ook geen juist of fout in bestaat.
3. Customer support: Het genereren van draft antwoorden gebaseerd op de interne knowledge base van bedrijven is nuttig gebleken. Zoals eerder aangehaald is hier van belang dat guard rails in plaats gezet worden om de AI niet rechtstreeks los te laten op de eindgebruiker, met alle fouten en frustraties als gevolg.
4. Interpretatie van documenten: Het uitlezen van documenten met verschillende lay-outs via AI is ook een grote verbetering gebleken t.o.v. de reeds bestaande technologieën.
5. ... : Nog niet alle use cases zijn gekend. Naarmate we sterkere en specifiekere modellen krijgen, zullen ook het aantal use cases toenemen.